CN104766139A - 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 - Google Patents
基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 Download PDFInfo
- Publication number
- CN104766139A CN104766139A CN201510140831.3A CN201510140831A CN104766139A CN 104766139 A CN104766139 A CN 104766139A CN 201510140831 A CN201510140831 A CN 201510140831A CN 104766139 A CN104766139 A CN 104766139A
- Authority
- CN
- China
- Prior art keywords
- equipment
- incipient fault
- early warning
- generate
- dynamic model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种基于工业互联网的火电厂设备故障诊断与检修优化方法及系统，能够提高整个火电厂的实际生产效率和利用率。所述方法包括：生成设备动态模型；通过所述设备动态模型生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警；根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。所述系统包括：生成动态模型单元，用于生成设备动态模型；潜在故障预警单元：用于对设备的潜在故障进行预警；生成主动检修单元：用于生成设备主动检修维护作业计划。本发明适用于通信技术领域。
Description
技术领域
本发明涉及通信技术领域，特别是指一种基于工业互联网的火电厂设备故障诊断与检修优化方法及系统。
背景技术
近年来，随着经济连续高速增长，新一轮电力建设正在如火如荼的进行，同时，随着新建火电厂的集中投运，厂级监控信息系统(Supervisory InformationSystem in plant level，SIS)也正在中国的火电厂迅速普及。通过SIS系统的建设，可以将火电厂的信息系统投入和火电厂的生产管理结合的更加紧密，SIS系统有效地解决了生产控制和生产管理之间的鸿沟。由于SIS系统是面向厂级的应用，随着新建火电厂的投运，SIS系统的运行管理和应用的持续改进将会是决定SIS系统生命力的一个关键，而如何通过管理手段来提高SIS的实际应用价值也是每一个投资SIS火电厂需要重视和考虑的问题。随着SIS的普及，基于SIS数据库的应用也在实践中逐步完善，2005年6月1日起由国家发改委正式颁布实施了《火力发火电厂厂级监控信息系统技术条件》，作为电力行业SIS系统的标准，该标准为未来SIS应用的发展指明了方向。该标准中明确指出：火电厂的工艺设备状态监测和故障诊断是SIS系统的一个至关重要的应用。
火电厂厂级或机组级的设备性能管理包括参数级、设备级和系统级的设备在线监测与性能诊断，火电厂设备包括大型风机、小型风机及泵，其中，大型风机包括：引风机、送风机、一次风机，脱硫增压风机等；小型风机包括：密封风机、氧化风机、灭火保护风机、轴抽风机等；泵包括：循环水泵、凝结水泵、给水泵等，由于火电厂存在着大量的旋转设备和非旋转设备，设备或系统对象多为复杂的多变量耦合系统，随着设备运行时间和运行环境的改变，设备的动态性能也在随时发生变化，如何准确了解当前所有设备的运行状态和实际性能也是实现厂级设备状态性能管理的关键。
目前，相对封闭单点运行的设备故障监测系统无法实现大规模的厂级设备动态建模，由于没有反应当前设备状态的动态模型，对设备故障的在线诊断变得非常困难，实现厂级设备性能管理也变得非常困难。大型火电厂在基础信息化的投入包括先进的分布式控制系统(Distributed Control System，DCS)、SIS的厂级实时/历史运行数据库系统，企业资产管理(Enterprise AssetManagement，EAM)系统和信息管理系统(Management Information System，MIS)等等。DCS和SIS数据库中采集保存着大量设备的原始运行数据，而设备预防管理维护和设备故障诊断专家系统等设备维护管理系统的需要的是设备的动态性能数据，目前，火电厂的设备数据采集和设备状态性能分析处理之间还缺少一个统一的设备性能管理平台，导致厂级设备的在线故障诊断就变得非常困难。
火电厂设备的连续高效运转是火电厂安全高效生产的关键，目前，火电厂设备检修体制为计划检修，即按照全年的生产计划安排检修计划，计划检修的模式可以有效的降低设备的非计划停机时间，但也存在着不能完全避免非计划停机事故的发生以及存在资源浪费等缺点，计划检修是适合目前管理体制的被动检修方式，但不是经济性最高的设备维护管理方式。
发明内容
有鉴于此，本发明实施例提供基于工业互联网的火电厂设备故障诊断与检修优化方法及系统，能够解决设备原始运行数据和设备性能管理之间的鸿沟，进而大大提高了设备的可靠性和利用率。
为解决上述技术问题，本发明实施例提供一种基于工业互联网的火电厂设备故障诊断与检修优化方法，包括：
根据设备的历史运行数据及实时运行数据生成设备动态模型；
通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警；
根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
可选地，所述根据设备的历史运行数据及实时运行数据生成设备动态模型包括：
获取设备的历史运行数据，并根据所述历史运行数据生成设备动态模型；
当设备运行时，获取设备的每一预设监测点的实时运行数据，并根据所述实时运行数据对所述设备动态模型进行实时修正。
可选地，所述通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警包括：
通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的动态性能预测值；
获取设备的每一预设监测点的现场性能实测值；
将所述动态性能预测值和与所述动态性能预测值对应的所述现场性能实测值进行统计学分析，诊断设备性能；
根据性能诊断结果，对设备的潜在故障进行预警。
可选地，所述根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划包括：
根据设备的潜在故障预警信息分析设备中潜在故障的关联参数，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
可选地，所述根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划包括：
将针对设备的潜在故障预警信息的早期处理方法进行存储，生成设备性能的动态维护专家知识库；
通过所述动态维护专家知识库对当前设备的潜在故障预警信息进行分析，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划及相应的处理方法。
另一方面，本发明实施例还提供一种基于工业互联网的火电厂设备故障诊断与检修优化系统，包括：
生成动态模型单元：用于根据设备的历史运行数据及实时运行数据生成设备动态模型；
潜在故障预警单元：用于通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警；
生成主动检修单元：用于根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
可选地，所述生成动态模型单元包括：
生成动态模型模块：用于获取设备的历史运行数据，并根据所述历史运行数据生成设备动态模型；
修正动态模型模块：用于当设备运行时，获取设备的每一预设监测点的实时运行数据，并根据所述实时运行数据对所述设备动态模型进行实时修正。
可选地，所述潜在故障预警单元包括：
生成预测值模块：用于通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的动态性能预测值；
获取实测值模块：用于获取设备的每一预设监测点的现场性能实测值；
诊断性能模块：用于将所述动态性能预测值和与所述动态性能预测值对应的所述现场性能实测值进行统计学分析，诊断设备性能；
潜在故障预警模块：用于根据性能诊断结果，对设备的潜在故障进行预警。
可选地，所述生成主动检修单元：还用于根据设备的潜在故障预警信息分析设备中潜在故障的关联参数，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
可选地，所述生成主动检修单元包括：
生成专家知识库模块：用于将针对设备的潜在故障预警信息的早期处理方法进行存储，生成设备性能的动态维护专家知识库；
生成主动检修模块：用于通过所述动态维护专家知识库对当前设备的潜在故障预警信息进行分析，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划及相应的处理方法。
本发明的上述技术方案的有益效果如下：
上述方案中，通过设备的历史运行数据及实时运行数据生成的设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警，再根据设备的潜在故障预警信息生成设备主动检修维护作业计划。这样，通过基于设备动态模型的设备性能诊断方法，并将设备动态模型和预警作业相结合，再根据预警信息生成设备主动检修维护作业计划，不仅有效的解决设备原始运行数据和设备性能管理之间的鸿沟，还可以通过主动检修最大化设备的可靠性和利用率，让每个设备的性能指标达到或超过预期的性能指标要求，从而提高整个火电厂的实际生产效率和利用率。
附图说明
图1为本发明实施例提供的基于工业互联网的火电厂设备故障诊断与检修优化方法的流程图；
图2为图1中S101的具体实施方法流程图；
图3为本发明实施例提供的基于工业互联网的火电厂设备故障诊断与检修优化系统的结构示意图；
图4为图3中101的详细结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
实施例一
参看图1所示，本发明实施例提供的一种基于工业互联网的火电厂设备故障诊断与检修优化方法，包括：
S101：根据设备的历史运行数据及实时运行数据生成设备动态模型；
S102：通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警；
S103：根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
本发明实施例所述的基于工业互联网的火电厂设备故障诊断与检修优化方法，通过设备的历史运行数据及实时运行数据生成的设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警，再根据设备的潜在故障预警信息生成设备主动检修维护作业计划。这样，通过基于设备动态模型的设备性能诊断方法，并将设备动态模型和预警作业相结合，再根据预警信息生成设备主动检修维护作业计划，不仅有效的解决设备原始运行数据和设备性能管理之间的鸿沟，还可以通过主动检修最大化设备的可靠性和利用率，让每个设备的性能指标达到或超过预期的性能指标要求，从而提高整个火电厂的实际生产效率和利用率。
本发明实施例中，火电厂设备包括大型风机、小型风机及泵，其中，大型风机包括：引风机、送风机、一次风机，脱硫增压风机等；小型风机包括：密封风机、氧化风机、灭火保护风机、轴抽风机等；泵包括：循环水泵、凝结水泵、给水泵等。
在前述基于工业互联网的火电厂设备故障诊断与检修优化方法的具体实施方式中，可选地，所述根据设备的历史运行数据及实时运行数据生成设备动态模型包括：
获取设备的历史运行数据，并根据所述历史运行数据生成设备动态模型；
当设备运行时，获取设备的每一预设监测点的实时运行数据，并根据所述实时运行数据对所述设备动态模型进行实时修正。
本发明实施例中，针对火电厂机组的各个子系统和现场运行的主辅机设备，采用“基于相似性原理的多元建模”技术建立整个火电厂的设备动态模型，建模过程包括：首先获取火电厂设备的历史运行数据，并将所述历史运行数据进行存储，例如，可以将所述历史运行数据存储至数据库中作为火电厂设备原始运行数据，在这些原始运行数据中存在着能够反应火电厂设备运行规律和设备参数之间耦合关系的大量信息，因而，通过对数据库中存储的历史运行数据进行分析处理得到的设备数据模型能够真实的反应火电厂设备的运行规律和设备各参数之间的耦合关系；当要诊断某一设备的运行性能时，需获取该设备的实时运行数据，并将所述实时运行数据进行存储，存储的实时运行数据能够作为下一次诊断该设备性能的原始运行数据，再根据获取的所述实时运行数据对所述设备数据模型实时地进行修正，生成设备动态模型。
本发明实施例中，由于对历史运行数据进行分析处理创建模型的方法采用的是非参数建模方式，从而，能够避免传统约束参数型静态建模无法精确反应设备实际情况和需要大量专家人工干预的弊端，极大提高了设备动态模型创建的效率和精度。非参数建模方式几乎可以解决所有机械或流程设备的建模，无需传统监测方法中需要新增测量设备才可实现设备的运行性能的诊断，可大大节约投资。此外，结合火电厂变工况(例如，启停设备)时设备容易出现故障的特点，可采用双模并发(Twing-Modeling)技术，实现单个设备的并发多模运行，即在稳定工况和变工况时实现不同设备模型之间的自由切换。
在前述基于工业互联网的火电厂设备故障诊断与检修优化方法的具体实施方式中，可选地，所述通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警包括：
通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的动态性能预测值；
获取设备的每一预设监测点的现场性能实测值；
将所述动态性能预测值和与所述动态性能预测值对应的所述现场性能实测值进行统计学分析，诊断设备性能；
根据性能诊断结果，对设备的潜在故障进行预警。
本发明实施例中，通过“基于相似性原理的多元建模”原理产生的设备动态模型能够针对设备的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的动态性能预测值，该动态性能预测值不仅仅取决于当前设备的运行状态，也取决于设备监测点之间复杂的耦合关系和设备的历史运行规律，将生成的每一预设监测点的动态性能预测值与获取的与该动态性能预测值对应的预设监测点的现场性能实测值进行比较及统计学分析，诊断设备运行性能，当要诊断某一设备的运行性能时，可按照预设的时间间隔获取该设备的每一预设监测点的实时运行数据，再根据设备性能的诊断结果对设备的潜在故障进行预警，例如，可以根据所述诊断结果及预先存储在预警平台中的设备性能的预警约束条件和预警等级分类信息，对设备的潜在故障进行预警，并生成设备的潜在故障预警信息。这样，能够提高设备性能潜在故障预警的可靠性和实际可操作性。
在前述基于工业互联网的火电厂设备故障诊断与检修优化方法的具体实施方式中，可选地，所述根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划包括：
根据设备的潜在故障预警信息分析设备中潜在故障的关联参数，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
本发明实施例中，通过设备的潜在故障预警信息分析设备中潜在故障的关联参数，确定潜在引发设备潜在故障的可能原因，根据所述原因生成设备主动检修维护作业计划，实现设备的视情维护，提高设备的可靠性和实际运行效率，将可能发生的设备潜在故障消灭在萌芽中，进而减少非计划停机事故的发生，提高整厂的生产效率。
本发明实施例中，例如，可以根据设备的潜在故障预警信息触发EAM系统中的预防性维护工单，生成相应的主动检修维护作业计划。
在前述基于工业互联网的火电厂设备故障诊断与检修优化方法的具体实施方式中，可选地，所述根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划包括：
将针对设备的潜在故障预警信息的早期处理方法进行存储，生成设备性能的动态维护专家知识库；
通过所述动态维护专家知识库对当前设备的潜在故障预警信息进行分析，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划及相应的处理方法。
本发明实施例中，能够将所有的设备性能的潜在故障预警处理方法录入到设备性能管理系统中，通过设备性能的潜在故障预警处理方法的不断累积，逐渐形成针对设备性能的动态维护专家知识库；根据所述动态维护专家知识库能够对当前设备的潜在故障预警信息进行分析，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划及相应的处理方法。
实施例二
本发明还提供一种基于工业互联网的火电厂设备故障诊断与检修优化系统的具体实施方式，由于本发明提供的基于工业互联网的火电厂设备故障诊断与检修优化系统与前述基于工业互联网的火电厂设备故障诊断与检修优化方法的具体实施方式相对应，该基于工业互联网的火电厂设备故障诊断与检修优化系统可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述基于工业互联网的火电厂设备故障诊断与检修优化方法具体实施方式中的解释说明，也适用于本发明提供的基于工业互联网的火电厂设备故障诊断与检修优化系统的具体实施方式，在本发明以下的具体实施方式中将不再赘述。
参看图3所示，本发明实施例还提供一种基于工业互联网的火电厂设备故障诊断与检修优化系统，包括：
生成动态模型单元101：用于根据设备的历史运行数据及实时运行数据生成设备动态模型；
潜在故障预警单元102：用于通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警；
生成主动检修单元103：用于根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
本发明实施例所述的基于工业互联网的火电厂设备故障诊断与检修优化系统，通过设备的历史运行数据及实时运行数据生成的设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警，再根据设备的潜在故障预警信息生成设备主动检修维护作业计划。这样，通过基于设备动态模型的设备性能诊断方法，并将设备动态模型和预警作业相结合，再根据预警信息生成设备主动检修维护作业计划，不仅有效的解决设备原始运行数据和设备性能管理之间的鸿沟，还可以通过主动检修最大化设备的可靠性和利用率，让每个设备的性能指标达到或超过预期的性能指标要求，从而提高整个火电厂的实际生产效率和利用率。
在前述基于工业互联网的火电厂设备故障诊断与检修优化系统的具体实施方式中，可选地，所述生成动态模型单元包括：
生成动态模型模块：用于获取设备的历史运行数据，并根据所述历史运行数据生成设备动态模型；
修正动态模型模块：用于当设备运行时，获取设备的每一预设监测点的实时运行数据，并根据所述实时运行数据对所述设备动态模型进行实时修正。
参看图4所示，在前述基于工业互联网的火电厂设备故障诊断与检修优化系统的具体实施方式中，可选地，所述潜在故障预警单元102包括：
生成预测值模块1021：用于通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的动态性能预测值；
获取实测值模块1022：用于获取设备的每一预设监测点的现场性能实测值；
诊断性能模块1023：用于将所述动态性能预测值和与所述动态性能预测值对应的所述现场性能实测值进行统计学分析，诊断设备性能；
潜在故障预警模块1024：用于根据性能诊断结果，对设备的潜在故障进行预警。
在前述基于工业互联网的火电厂设备故障诊断与检修优化系统的具体实施方式中，可选地，所述生成主动检修单元：还用于根据设备的潜在故障预警信息分析设备中潜在故障的关联参数，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
在前述基于工业互联网的火电厂设备故障诊断与检修优化系统的具体实施方式中，可选地，所述生成主动检修单元包括：
生成专家知识库模块：用于将针对设备的潜在故障预警信息的早期处理方法进行存储，生成设备性能的动态维护专家知识库；
生成主动检修模块：用于通过所述动态维护专家知识库对当前设备的潜在故障预警信息进行分析，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划及相应的处理方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于工业互联网的火电厂设备故障诊断与检修优化方法，其特征在于，包括：
根据设备的历史运行数据及实时运行数据生成设备动态模型；
通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警；
根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
2.根据权利要求1所述的方法，其特征在于，所述根据设备的历史运行数据及实时运行数据生成设备动态模型包括：
获取设备的历史运行数据，并根据所述历史运行数据生成设备动态模型；
当设备运行时，获取设备的每一预设监测点的实时运行数据，并根据所述实时运行数据对所述设备动态模型进行实时修正。
3.根据权利要求2所述的方法，其特征在于，所述通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警包括：
通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的动态性能预测值；
获取设备的每一预设监测点的现场性能实测值；
将所述动态性能预测值和与所述动态性能预测值对应的所述现场性能实测值进行统计学分析，诊断设备性能；
根据性能诊断结果，对设备的潜在故障进行预警。
4.根据权利要求1所述的方法，其特征在于，所述根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划包括：
根据设备的潜在故障预警信息分析设备中潜在故障的关联参数，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
5.根据权利要求1所述的方法，其特征在于，所述根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划包括：
将针对设备的潜在故障预警信息的早期处理方法进行存储，生成设备性能的动态维护专家知识库；
通过所述动态维护专家知识库对当前设备的潜在故障预警信息进行分析，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划及相应的处理方法。
6.一种基于工业互联网的火电厂设备故障诊断与检修优化系统，其特征在于，包括：
生成动态模型单元：用于根据设备的历史运行数据及实时运行数据生成设备动态模型；
潜在故障预警单元：用于通过所述设备动态模型对预设监测点的实时运行数据进行分析生成动态性能预测值，并将所述动态性能预测值和现场性能实测值进行分析比较，诊断设备性能，并对设备的潜在故障进行预警；
生成主动检修单元：用于根据设备的潜在故障预警信息，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
7.根据权利要求6所述的系统，其特征在于，所述生成动态模型单元包括：
生成动态模型模块：用于获取设备的历史运行数据，并根据所述历史运行数据生成设备动态模型；
修正动态模型模块：用于当设备运行时，获取设备的每一预设监测点的实时运行数据，并根据所述实时运行数据对所述设备动态模型进行实时修正。
8.根据权利要求7所述的系统，其特征在于，所述潜在故障预警单元包括：
生成预测值模块：用于通过所述设备动态模型对获取的每一预设监测点的实时运行数据进行分析，生成针对每一预设监测点的动态性能预测值；
获取实测值模块：用于获取设备的每一预设监测点的现场性能实测值；
诊断性能模块：用于将所述动态性能预测值和与所述动态性能预测值对应的所述现场性能实测值进行统计学分析，诊断设备性能；
潜在故障预警模块：用于根据性能诊断结果，对设备的潜在故障进行预警。
9.根据权利要求6所述的系统，其特征在于，所述生成主动检修单元：还用于根据设备的潜在故障预警信息分析设备中潜在故障的关联参数，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划。
10.根据权利要求6所述的系统，其特征在于，所述生成主动检修单元包括：
生成专家知识库模块：用于将针对设备的潜在故障预警信息的早期处理方法进行存储，生成设备性能的动态维护专家知识库；
生成主动检修模块：用于通过所述动态维护专家知识库对当前设备的潜在故障预警信息进行分析，确定引发设备潜在故障的原因，并生成设备主动检修维护作业计划及相应的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510140831.3A CN104766139A (zh) | 2015-03-27 | 2015-03-27 | 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510140831.3A CN104766139A (zh) | 2015-03-27 | 2015-03-27 | 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104766139A true CN104766139A (zh) | 2015-07-08 |
Family
ID=53647953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510140831.3A Pending CN104766139A (zh) | 2015-03-27 | 2015-03-27 | 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104766139A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105160407A (zh) * | 2015-10-14 | 2015-12-16 | 成都福立盟科技有限公司 | 一种基于设备专业化服务工单的自动创建方法 |
| CN105512812A (zh) * | 2015-12-02 | 2016-04-20 | 中广核工程有限公司 | 基于动态仿真模型的核电厂设备故障预警分析方法及系统 |
| CN105809255A (zh) * | 2016-03-07 | 2016-07-27 | 大唐淮南洛河发电厂 | 一种基于物联网的火电厂旋转机械健康管理方法及系统 |
| CN106338973A (zh) * | 2016-08-11 | 2017-01-18 | 塞壬智能科技（北京）有限公司 | 专家诊断服务系统 |
| CN107393616A (zh) * | 2017-07-20 | 2017-11-24 | 中广核工程有限公司 | 一种核电厂反应堆透明监测系统及方法 |
| CN107390646A (zh) * | 2016-05-17 | 2017-11-24 | 通用电气公司 | 用于工厂平衡的智能管理系统 |
| CN109242104A (zh) * | 2018-08-04 | 2019-01-18 | 大唐国际发电股份有限公司张家口发电厂 | 一种利用数据分析实时发现设备故障异常的系统 |
| CN109614451A (zh) * | 2018-12-06 | 2019-04-12 | 南京邮电大学 | 工业大数据智能分析决策装置 |
| CN109634233A (zh) * | 2018-12-06 | 2019-04-16 | 南京邮电大学 | 工业大数据智能分析决策方法、可读存储介质和终端 |
| CN109901541A (zh) * | 2019-04-08 | 2019-06-18 | 国电环境保护研究院有限公司 | 一种环保设施的智慧运行优化控制系统 |
| CN110059359A (zh) * | 2019-03-21 | 2019-07-26 | 江苏东方国信工业互联网有限公司 | 一种基于大数据分析的控制炉体工艺的系统及其方法 |
| WO2019153354A1 (zh) * | 2018-02-12 | 2019-08-15 | 深圳迎凯生物科技有限公司 | 体外诊断设备参数更新的方法及装置 |
| CN112652084A (zh) * | 2020-10-15 | 2021-04-13 | 国网信通亿力科技有限责任公司 | 一种配电线路在线监测智能巡检系统 |
| CN116627072A (zh) * | 2023-05-29 | 2023-08-22 | 山东龙源电力工程有限公司 | 一种基于火电厂设备的检修监测维护系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101758084A (zh) * | 2008-12-26 | 2010-06-30 | 宝山钢铁股份有限公司 | 模型自适应的板形预测控制方法 |
| JP4550632B2 (ja) * | 2005-03-11 | 2010-09-22 | 株式会社東芝 | 設備保全計画支援システムおよびその支援方法 |
| CN102426667A (zh) * | 2011-10-28 | 2012-04-25 | 广东电网公司电力科学研究院 | 远程中心与生产mis系统的交互方法及生产mis系统 |
| CN103412486A (zh) * | 2013-07-23 | 2013-11-27 | 沈阳化工大学 | 一种聚氯乙烯汽提过程智能控制方法 |
| CN103440768A (zh) * | 2013-09-12 | 2013-12-11 | 重庆大学 | 一种基于动态修正的公交车到达时间实时预测方法 |
| CN103678917A (zh) * | 2013-12-13 | 2014-03-26 | 杭州易和网络有限公司 | 一种基于模拟退火算法的公交实时到站时间预测方法 |
| CN104390657A (zh) * | 2014-11-05 | 2015-03-04 | 浙江大学 | 一种发电机组运行参数测量传感器故障诊断方法及系统 |
-
2015
- 2015-03-27 CN CN201510140831.3A patent/CN104766139A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4550632B2 (ja) * | 2005-03-11 | 2010-09-22 | 株式会社東芝 | 設備保全計画支援システムおよびその支援方法 |
| CN101758084A (zh) * | 2008-12-26 | 2010-06-30 | 宝山钢铁股份有限公司 | 模型自适应的板形预测控制方法 |
| CN102426667A (zh) * | 2011-10-28 | 2012-04-25 | 广东电网公司电力科学研究院 | 远程中心与生产mis系统的交互方法及生产mis系统 |
| CN103412486A (zh) * | 2013-07-23 | 2013-11-27 | 沈阳化工大学 | 一种聚氯乙烯汽提过程智能控制方法 |
| CN103440768A (zh) * | 2013-09-12 | 2013-12-11 | 重庆大学 | 一种基于动态修正的公交车到达时间实时预测方法 |
| CN103678917A (zh) * | 2013-12-13 | 2014-03-26 | 杭州易和网络有限公司 | 一种基于模拟退火算法的公交实时到站时间预测方法 |
| CN104390657A (zh) * | 2014-11-05 | 2015-03-04 | 浙江大学 | 一种发电机组运行参数测量传感器故障诊断方法及系统 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105160407A (zh) * | 2015-10-14 | 2015-12-16 | 成都福立盟科技有限公司 | 一种基于设备专业化服务工单的自动创建方法 |
| CN105512812A (zh) * | 2015-12-02 | 2016-04-20 | 中广核工程有限公司 | 基于动态仿真模型的核电厂设备故障预警分析方法及系统 |
| CN105809255B (zh) * | 2016-03-07 | 2019-07-16 | 大唐淮南洛河发电厂 | 一种基于物联网的火电厂旋转机械健康管理方法及系统 |
| CN105809255A (zh) * | 2016-03-07 | 2016-07-27 | 大唐淮南洛河发电厂 | 一种基于物联网的火电厂旋转机械健康管理方法及系统 |
| CN107390646A (zh) * | 2016-05-17 | 2017-11-24 | 通用电气公司 | 用于工厂平衡的智能管理系统 |
| CN106338973A (zh) * | 2016-08-11 | 2017-01-18 | 塞壬智能科技（北京）有限公司 | 专家诊断服务系统 |
| CN107393616A (zh) * | 2017-07-20 | 2017-11-24 | 中广核工程有限公司 | 一种核电厂反应堆透明监测系统及方法 |
| CN107393616B (zh) * | 2017-07-20 | 2019-09-27 | 中广核工程有限公司 | 一种核电厂反应堆透明监测系统及方法 |
| WO2019153354A1 (zh) * | 2018-02-12 | 2019-08-15 | 深圳迎凯生物科技有限公司 | 体外诊断设备参数更新的方法及装置 |
| CN109242104A (zh) * | 2018-08-04 | 2019-01-18 | 大唐国际发电股份有限公司张家口发电厂 | 一种利用数据分析实时发现设备故障异常的系统 |
| CN109634233A (zh) * | 2018-12-06 | 2019-04-16 | 南京邮电大学 | 工业大数据智能分析决策方法、可读存储介质和终端 |
| CN109614451A (zh) * | 2018-12-06 | 2019-04-12 | 南京邮电大学 | 工业大数据智能分析决策装置 |
| CN110059359A (zh) * | 2019-03-21 | 2019-07-26 | 江苏东方国信工业互联网有限公司 | 一种基于大数据分析的控制炉体工艺的系统及其方法 |
| CN109901541A (zh) * | 2019-04-08 | 2019-06-18 | 国电环境保护研究院有限公司 | 一种环保设施的智慧运行优化控制系统 |
| CN112652084A (zh) * | 2020-10-15 | 2021-04-13 | 国网信通亿力科技有限责任公司 | 一种配电线路在线监测智能巡检系统 |
| CN116627072A (zh) * | 2023-05-29 | 2023-08-22 | 山东龙源电力工程有限公司 | 一种基于火电厂设备的检修监测维护系统 |
| CN116627072B (zh) * | 2023-05-29 | 2024-01-23 | 山东龙源电力工程有限公司 | 一种基于火电厂设备的检修监测维护系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104766139A (zh) | 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 | |
| CN104766138A (zh) | 基于工业互联网的火电厂设备性能评估与预警方法及系统 | |
| Reder et al. | Data-driven learning framework for associating weather conditions and wind turbine failures | |
| Qingfeng et al. | Development and application of equipment maintenance and safety integrity management system | |
| US9921577B2 (en) | Method and system for diagnostic rules for heavy duty gas turbines | |
| KR101329395B1 (ko) | 발전설비 관리 시스템 및 그 제어방법 | |
| CN102486833B (zh) | 装置的效能预测及故障检测的方法 | |
| CN110033186A (zh) | 一种巨型水电厂智能监盘系统 | |
| CN108089078A (zh) | 设备劣化预警方法及系统 | |
| CN104392752A (zh) | 一种实时在线的核反应堆故障诊断与监测系统 | |
| CN108564313A (zh) | 基于故障树的风电机组状态监测与健康评估的方法及装置 | |
| CN1694025A (zh) | 基于人工智能的火电厂自动控制系统 | |
| CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
| Wang et al. | Optimal dynamic imperfect preventive maintenance of wind turbines based on general renewal processes | |
| CN112613066B (zh) | 一种基于大规模风电场的互联网信息管理系统 | |
| CN102830682A (zh) | 用于区域发电公司运营智能管控系统的能耗警察模块 | |
| CN1928327A (zh) | 汽轮机数字电液调节系统 | |
| CN102507244A (zh) | 液压启闭机故障自诊断专家系统 | |
| CN107084853A (zh) | 云制造下设备故障预测方法 | |
| CN102592004B (zh) | 钢铁联合企业全工序能况在线分析诊断系统及方法 | |
| Ramesh et al. | Reliability assessment of cogeneration power plant in textile mill using fault tree analysis | |
| CN104320075A (zh) | 光伏电站故障分析与诊断系统 | |
| CN205175690U (zh) | 基于dsp的风力发电机组在线故障诊断系统 | |
| CN113268894B (zh) | 一种基于数据中台的火电生产数据治理方法和系统 | |
| Anderson et al. | On the sensitivity of wind turbine failure rate estimates to failure definitions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150708 |